至顶网CIO与应用频道 08月16日 北京消息:Gartner发布的2017年新兴技术流行周期报告称,三大趋势可令企业在未来五到十年数字经济中赢得生存空间和蓬勃发展。
人工智能(AI)比比皆是、透明沉浸式体验和数字平台是未来的趋势,这些技术将提供无与伦比的智能、创造各种意义深远的新经验及提供各种数字平台将各机构连接到新的业务生态系统。
新兴技术流行周期报告是资历最老的Gartner年度流行周期报告。新兴技术流行周期报告就科技和趋势提供了一个跨行业视角,报告里提出的科技和趋势大可成为一众商业策略师、首席创新官、研发领导、企业家、全球市场开发商和新兴技术团队在开发新兴技术产品时 的参考。
新兴技术流行周期报告相对于大多数Gartner流行周期报告而言有其独特的地方,原因是新兴技术流行周期报告将2000多种技术提炼为一系列简明扼要的新兴技术和趋势。本年度新兴技术流行周期报告的重点放在在未来五到十年内具有高度竞争优势的各种技术(见图)。
Gartner研究总监MikeJ. Walker 表示,“专注于技术创新的企业架构师务必要评估这些高层次趋势和特色技术及其它们对企业的潜在影响。这些趋势除了对企业产生潜在的影响以外,也可以为企业架构领导者提供重要的机会,可以帮助高级业务和IT领导者对数字业务的商机和挑战做出响应,他们可以立下军令状及创建用于指导投资决策的、可操作和诊断的、可交付的行动计划。
说明:PaaS =平台即服务; UAV=无人机
资料来源:Gartner(2017年7月)
AI比比皆是
人工智能技术将是未来十年最具颠覆性一类的技术,主要是由于计算能力突飞猛进的发展、接近无限量的数据以及在深度神经网络领域所取得的前所未有的进步;所有这些令拥有AI技术的机构可以利用数据去适应新的情况以及解决以前未曾遇到过的问题。
在这方面寻求支撑点的企业应该考虑以下技术:深度学习、深度加固学习、人工智能、自主汽车、认知计算、商用无人机、会话性用户界面、企业分类和本体管理、机器学习、智能机器人和智能工作区。
透明性沉浸体验
科技的发展将持续以人为本的模式,以人为本模式的发展到最后是在人、企业和物之间引入透明性。当科技在工作场所、家庭以及在与企业及其他人互动时变得越来越具有适应性、内容随工作场所而不一样及更加具流动性后,人、企业和物之间的透明性关系将变得更加密切。
需考虑的关键技术包括:4D打印、增强现实(AR)、计算机人脑接口、连接家居、人力辅强、纳屏(Nanotube)、虚拟现实(VR)和立体显示(Volumetric Displays)。
数字平台
新兴技术需要对基础进行革新,而基础提供了所需的数据量、先进的计算能力和无处不在的基本生态系统。分割型技术架构正在向生态系统平台转变,这种转变也正在为沟通人与技术之间桥梁的全新商业模式奠定基础。
值得关注的关键平台支持技术包括:5G、数字双体(Digital twin)、边缘计算、Blockchain、IoT平台,神经元硬件、量子计算、无服务器平台即服务和软件定义安全。
Walker先生表示,“我们将这些主题放在一起看,就可以在透明性沉浸体验(如智能工作区、连接家居、增强现实、虚拟现实以及日益增长的大脑-计算机接口等等)里看到以人为本的基础技术正在成为前沿技术。这些技术在技术流行周期里将拉动其他趋势。
“AI比比皆是”新兴技术正在流行周期里快速躁动。深度学习、自主学习和认知计算等技术则正处高峰点,这表明这些技术将成为关键推手,这些技术将创造透明式沉浸体验。
最后一点,数字平台正迅速在流行周期里崛起,这说明了新的IT现实的存在,那就是,平台的提供可以推动未来的发展。量子计算(正在攀爬创新触发点)和Blockchain(已经达到顶峰)技术将在未来五到十年内创造产生出最具变革性和戏剧性的影响。
Walker表示,“这些大趋势表明,各部门如能将技术与员工、合作伙伴和客户体验更好地整合在一起,他们就能更好地将自己的生态系统与平台以性的动态形式连接起来。”
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。